基于粗糙集神经网络的网络故障诊断新方法
本文针对传统网络故障知识库冗余度高和稳定性难以两全的缺陷,综合运用神经网络方法和粗糙集理论,提出了RSNN算法,实现不一致情况下的规则获取和学习样本的净化处理，该算法具有简化样本、适应性强、容错性高和不易陷入局部最小点等特点,能有效处理网络故障诊断中噪声或不相容的信息，实验表明,利用该方法实现的系统与同类的其他方法相比,提高了诊断准确率和诊断速度。
粗糙集 神经网络 故障诊断 网络故障 知识库 冗余度
李千目 戚湧 张宏 刘凤玉
南京理工大学计算机科学与技术系,南京,210094
国内会议
厦门
中文
90-96
2004-10-14（万方平台首次上网日期，不代表论文的发表时间）